基于同步行为的反欺诈算法SynchroTrap实现细节

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

作者：小伍哥

来源：小伍哥聊风控

上次分享了非常牛逼的不需要介质就能进行团伙挖掘的算法，大家都说是个好算法，但是实现细节还是有些问题。

由此可见，风控的实践大于算法，就像绘画，给我同样的材料，打死我都成不了梵高。所以风控一定要多看多试验。我这里用一个简单的数据集，具体的把实现过程分享出来，并图解每一步的原理，希望对大家有帮助。

一、梳理已有或者想应用的场景

首先需要梳理满足该算法数据条件的场景，最少的条件就是：用户+时间戳。举例一些具体的场景，大家感官更明显。

用户下单环节（A、B用户多天总是在较短的时间内购买商家A，然后是商家B）

• 用户A 2021-11-16 21:22:02 商家A
• 用户B 2021-11-16 21:32:02 商家A
• 用户A 2021-11-18 11:18:02 商家B
• 用户B 2021-11-18 11:54:01 商家B
  

某个领券环节（A、B用户多天总是在较短的时间内去领券）

• 用户A 2021-11-16 21:22:02 活动A
• 用户B 2021-11-16 21:32:02 活动A
• 用户A 2021-11-18 11:18:02 活动B
• 用户B 2021-11-18 11:54:01 活动B
  

还有更多的环节，都可能存在这种同步行为

电商的评价环节

拼多多的砍价活动

抖音的点赞/关注

微信的投票

上述一系列的活动，存在一些利益群体，控制大量的账号，并且在不同的时间，同时去完成上述的任务，则可能存在同步行为，我们就可以构建图网络，把他们一网打尽。

我们本次使用评价数据进行讲解，数据格式如下

二、数据处理环节

面对大规模的数据，我一般都是按场景-天进行拆分，然后天-场景进行合并，最后得出一个更大规模的图。可以多场景日志数据聚合到一起进行挖掘，也可以单一场景计算完了在聚合，我建议第二种方法，计算量更小，并且算完一个场景就能够落地应用了，项目时间不会太长。

最难处理的就是时间差这个环节，下面我们开始：

1、首先我们需要做的就是把时间离散化（我按小时计算）

具体的就是以当前小时为中心，向前一小时，向后一小，我写了函数，可以直接使用。如下的例子。0点分为了（23,0）（0,1），23为前一天的。

2021-11-16 00:03:32
20211115(23#00) 20211116(00#01)

函数写好了后，对每个时间应用。

1. import datetime
   
2. def Time2Str(tsm):
   
3. t1 = datetime.datetime.fromisoformat(tsm)
   
4. t0 = t1-datetime.timedelta(days=0, hours=1)
   
5. t2 = t1+datetime.timedelta(days=0, hours=1)
   
6. str1 = t0.strftime("%Y%m%d")+'(' +str(t0.hour).rjust(2,'0')+'#'+str(t1.hour).rjust(2,'0')+')'
   
7. str2 = t1.strftime("%Y%m%d")+'(' +str(t1.hour).rjust(2,'0')+'#'+str(t2.hour).rjust(2,'0')+')'
   
8. return str1+';'+str2
   
9. Time2Str('2021-11-16 15:51:39')#测试下
   
10. '20211116(14#15);20211116(15#16)'

复制代码

我们把上面的数据系统化，后面的案例好用

1. import pandas as pd
   
2. df = pd.DataFrame({
   
3. 'Buy':['BUY_03','BUY_02','BUY_01','BUY_04','BUY_03','BUY_02','BUY_01','BUY_04'],
   
4. 'Times':['2021-11-16 00:03:32','2021-11-16 00:12:23','2021-11-16 00:22:07','2021-11-16 21:10:24',
   
5. '2021-11-16 21:18:05','2021-11-16 21:22:02','2021-11-16 21:42:57','2021-11-16 23:51:39'],
   
6. 'Seller':['Y','Y','Y','E','E','E','E','Y']
   
7. # 时间离散化
   
8. df['tsm'] = df['Times'].apply(Time2Str)

复制代码

2、对数据进行裂变，一行变两行，这一步是关键，需要重点理解

离散化以后，需要一行变多行，为的就是同一个小时内的两个对象能够匹配，一行变多行的代码如下。SQL的话，也是对应的函数的，比Pandas简单很多

1. df = df.set_index(["Buy", "Times",'Seller'])["tsm"].str.split(";", expand=True)
   
2. .stack().reset_index(drop=True, level=-1).reset_index().rename(columns={0: "tsm"})
   
3. print(df)

复制代码

3、数据表进行自我匹配，并还需要作差，时间限定小于自己的阈值

对于变完之后的数据，进行匹配，加了时间约束和商家约束，['Seller','tsm']，当然你也可以只加时间约束，不加商家约束。约束计算完了，还需要进一步计算，其实匹配完的是2小时内的，还需要作差计算一小时内的，不满足条件的排除，并且把自己和自己匹配的也要排除，没啥意义。计算完了得到下面的结果。

1. df_0 = pd.merge(df,df,on =['Seller','tsm'],how='inner')
   
2. 
   
3. df_1 = df_0[df_0['Buy_x']!=df_0['Buy_y']]
   
4. 
   
5. df_1['diff'] = (pd.to_datetime(df_0['Times_x'])-
   
6. 
   
7. pd.to_datetime(df_0['Times_y'])).dt.seconds/3600/24

复制代码

4、一天的数据聚合就得到下面的结果了

匹配得到的是明细数据，还需要进行聚合，得到两个用户相交的次数，就可以得到再当天的一个关联情况了。如下图所示：

1. # 数据聚合
   
2. 
   
3. df_1.groupby(['Buy_x','Buy_y']).agg({'Seller': pd.Series.nunique}).reset_index()

复制代码

5、多天的数据聚合

多天数据进行聚合，假如我们的阈值是大于2，那标黄的部分，就将被舍弃掉

6、总体相似度计算

聚合了，还要进行相似度计算，分别计算每个用户出现的总次数。为什么要计算这个呢，举一个极端的例子，假如用户A自己出现了一万次，与B共同出现了5次，那这可能是巧合，但是如果A总共出现了5次，且5次都和B出现，那他俩是团伙的概率要大很多。

按上面的数据，我们还要单独计算X出现的次数，Y出现的次数，并且X+Y-X∩Y求出并集，就可以用杰卡德算法进行相似度计算了，把相似度低的排除即可

到此计算完了之后，就可以构图环节就算完成了，下一步是如何进行分群，我们这里采用LPA标签传播算法就可以。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Trap RAP CHR Dataframe datetime